La spectroscopie infrarouge a déjà fait les preuves de son efficacité pour l'étude des sols. Elle permet d'obtenir à moindre coût des informations clés sur la chimie et la physique de tous les types de sols, et beaucoup plus rapidement que les analyses chimiques en laboratoire utilisées plus classiquement. La littérature fournit des exemples de modèles de prédiction dans le cas de sols tropicaux, et particulièrement pour l'étude de sols volcaniques tropicaux (Andosols). Cependant, afin de pouvoir utiliser la spectroscopie infrarouge pour prédire les caractéristiques physicochimiques des sols, il est nécessaire de développer un modèle de prédiction basé à la fois sur les mesures de référence de laboratoire et sur les spectres infrarouges d'échantillons d'étalonnage. Dans le cas d'études locales ou régionales, la constitution d'une base de données (incluant à la fois les spectres et les mesures de références) suffisamment grande pour permettre la construction d'un modèle sans biais et avec une erreur de prédiction faible peut être un véritable défi. Ajouter dans le modèle, en plus des spectres infrarouges, des variables indépendantes facilement mesurables sur le terrain qui covarient avec les variables d'intérêt, comme l'altitude ou la profondeur de prélèvement, constitue une voie potentielle, et généralement peu explorée, pour améliorer les performances d'un modèle de prédiction. Dans cette étude, nous construisons un modèle de prédiction régional pour le C, le N, le Fe et l'Al grâce à des échantillons d'andosols (collectés à deux profondeurs ou plus sur chaque site) issus des agrosystèmes de la région de Cartago, au Costa Rica. Les mesures de Fe et d'Al en laboratoire ont consisté en une extraction à l'oxalate d'ammonium, et les mesures de C et N ont été effectuées par combustion sèche. La méthode utilisée pour l'étalonnage est la régression des moindres carrés partiels (PLSR) entre des mesures de laboratoire et les spectres infrarouges de 108 échantillons de sols p